买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东方电气集团东方锅炉股份有限公司申请的专利一种基于深度学习的焊缝数字图像缺陷标注方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116805418B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310471674.9，技术领域涉及：G06V20/70；该发明授权一种基于深度学习的焊缝数字图像缺陷标注方法是由陈小明;谭云华;王小鹏;但源;李晋航;吴文亮;石爱玲;罗阳;崔金涵设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于深度学习的焊缝数字图像缺陷标注方法在说明书摘要公布了：为解决传统的DR射线检测生成的焊缝数字图像中焊缝的缺陷信息由人工确认导致存在焊缝评定效率低、质量风险高的问题，本发明实施例提供一种基于深度学习的焊缝数字图像缺陷标注方法及系统，包括：采用数据集训练卷积神经元网络，得到焊缝缺陷标注模型；其中，所述数据集包括训练集；所述训练集包括若干个数据单元；每个数据单元包括一个焊缝数字图像和对所述一个焊缝数字图像进行缺陷标注生成的缺陷标注文件；利用所述焊缝缺陷标注模型对待测焊缝数字图像进行缺陷标注。

本发明授权一种基于深度学习的焊缝数字图像缺陷标注方法在权利要求书中公布了：1.一种基于深度学习的焊缝数字图像缺陷标注方法，其特征在于，包括： 采用数据集训练卷积神经元网络，得到焊缝缺陷标注模型； 其中，所述数据集包括训练集；所述训练集包括若干个数据单元；每个数据单元包括一个焊缝数字图像和对所述一个焊缝数字图像进行缺陷标注生成的缺陷标注文件； 利用所述焊缝缺陷标注模型对待测焊缝数字图像进行缺陷标注； 所述数据集还包括验证集和测试集；所述验证集和测试集均包括若干个所述数据单元； 采用数据集训练卷积神经元网络，得到焊缝缺陷标注模型；包括： S1.将训练集中的每个数据单元的焊缝数字图像执行如下步骤以训练神经网络： a.将焊缝数字图像进行像素值归一化处理后输入神经网络的输入节点； b.所述输入节点的焊缝数字图像通过神经网络的卷积层进行多层线性处理和非线性激活，以进行数据降维和特征提取； c.将通过所述特征提取得到的提取特征输入全连接层，得到代表缺陷判断结果的独热编码； d.计算所述独热编码与焊缝缺陷实际值之间的损失误差； e.计算损失误差对网络内隐藏层权重的一阶导数； f.基于所述一阶导数对网络内隐藏层权重进行迭代更新； S2.采用验证集和测试集对训练完成后的神经网络进行验证和测试，得到焊缝缺陷标注模型； 所述损失误差的学习过程的计算公式以如下公式（1）表示： L=A+Z-K-D-E1 其中，L为损失误差；A为边界框的中心点坐标计算损失；Z为边界框的宽高计算损失；K为边界框的有物件的置信度计算损失；D为边界框无物件的置信度计算损失；E为边界框的物件类别计算损失； 所述输入节点的焊缝数字图像通过神经网络的卷积层进行多层线性处理和非线性激活，以进行数据降维和特征提取；包括： 将输入的图像划分为S*S个单元格，并给每个单元格设置B个边界框；其中，S和B均为大于零的正整数； A的计算公式如公式（2）表示为： 其中，为有对象边框的权值； Z的计算公式如公式（3）表示为： 其中，为有对象边框的权值； K的计算公式如公式（4）表示为： 其中，表示输入图像划分的第i个单元格的第j个边界框是否负责预测，是则取为1， 否则取值为0； D的计算公式如公式（5）表示为： 其中，为无对象边框的权值； E的计算公式如公式（6）表示为： 其中，表示输入图像划分的第i个单元格的第j个边界框是否负责预测，是则取为1， 否则取值为0； 所述卷积神经元网络为YOLO-v3神经网络；所述焊缝缺陷标注模型采用浅层特征提取网络，所述焊缝缺陷标注模型的卷积层的层数不大于100层。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东方电气集团东方锅炉股份有限公司，其通讯地址为：643001 四川省自贡市自流井区五星街黄桷坪路150号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。